Kaggle机器学习教程中train_test_split实现遇ValueError求助

嘿，这个问题我太熟了！咱们一步步来排查和解决：

核心问题：变量赋值错误 #

你在执行train_test_split的时候，犯了一个很容易忽略的笔误：

train_x, val_x, train_y, val_x = train_test_split(x, y,random_state = 0)

看到没？第四个变量你写成了val_x，但它应该是val_y！这就导致了两个严重问题：

• 用于存储验证集标签的val_y根本没被定义
• 原本应该存验证集特征的val_x，最后被覆盖成了验证集的标签数据（一维数组）

当你调用data_model.predict(val_x)时，模型收到的是一维的标签数据，而它需要的是二维的特征矩阵，这直接触发了ValueError: Expected 2D array, got 1D array instead。

额外小问题：缺少必要的导入 #

你代码里用到了mean_absolute_error，但没有从sklearn.metrics导入这个函数，这会导致后续运行还会报错。

修正后的完整代码 #

import pandas as pd
from sklearn.tree import DecisionTreeRegressor
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_absolute_error  # 新增必要的导入

main_file_path = '../input/train.csv'
data = pd.read_csv(main_file_path)
y = data.SalePrice
data_predictors = ['LotArea', 'YearBuilt', '1stFlrSF', '2ndFlrSF', 'FullBath', 'BedroomAbvGr', 'TotRmsAbvGrd']
x = data[data_predictors]
# 修正变量赋值，把第四个变量改为val_y
train_x, val_x, train_y, val_y = train_test_split(x, y, random_state = 0)
data_model = DecisionTreeRegressor()
data_model.fit(train_x,train_y)
data_prediction = data_model.predict(val_x)
print(mean_absolute_error(val_y, data_prediction))

验证修正效果 #

运行修正后的代码，val_x会保持二维的特征矩阵，val_y是一维的标签数组，模型就能正常执行预测和计算平均绝对误差（MAE）了。

内容的提问来源于stack exchange，提问作者mchd